使用簡單英語評估LLM應用程序！ 如果沒有適當的評估，你可以完全忘記用LLM構建任何有用的東西。 然而，標準指標通常並不那麼有幫助，因為LLM可以在傳達相同信息的同時產生不同的輸出。 事實上，在許多情況下，將評估指標形式化為確定性代碼也是困難的。 G-Eval是Opik（由@Cometml提供）的一個任務無關的LLM作為評判指標，解決了這個問題。 下面的代碼演示了這一點。 - 首先，導入GEval類並用自然語言定義一個指標。 - 接下來，調用score方法生成分數和該分數的原因。 完成！ Opik是一個完全開源的生產就緒的端到端LLM評估平臺——你可以輕鬆自託管Opik，這樣你的數據就可以保持在你想要的地方。 它與幾乎所有流行的框架集成，包括CrewAI、LlamaIndex、LangChain和HayStack。 在下一條推文中鏈接到Opik的官方GitHub倉庫。

您現在可以將任何 ML 模型、RAG 或代理部署為 MCP 伺服器。 只需 10 行代碼。 以下是逐步分解（100% 私密）：

知識圖譜在為智能體提供類人記憶方面極其出色！ 今天，我們正在構建一個基於MCP的記憶層，可以在所有你的AI應用程序中共享，比如Cursor、Claude Desktop等。 它是使用實時知識圖譜構建的。 100%開源和自託管。